基于nsct的多聚焦圖像融合算法
【專利摘要】本發(fā)明公開了一種基于NSCT的圖像融合算法，該方法的處理過程是：首先非采樣的輪廓波變換(NSCT)對經(jīng)過均值濾波器濾波(mean)的源圖像進行分解，再分別采用平均值和絕對值最大為低頻子帶和高頻方向子帶的融合規(guī)則，以NSCT的逆運算(inverse?NSCT)進行圖像重構(gòu)，獲得初始融合圖像；其次，應(yīng)用均方根誤差(RMSE)提取初始融合圖像的融合區(qū)域(fusion?region)；根據(jù)融合區(qū)域的特性設(shè)計融合規(guī)則，最后采用inverseNSCT進行圖像融合。實驗結(jié)果表明，本發(fā)明方法是非常有效，并且融合后的圖像符合人眼視覺效果。
【專利說明】基于NSCT的多聚焦圖像融合算法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于圖像處理領(lǐng)域，尤其涉及一種基于NSCT的多聚焦圖像融合算法。
【背景技術(shù)】
[0002]圖像融合是指將眾多源信道所采集到的關(guān)于同一目標(biāo)的圖像數(shù)據(jù)經(jīng)過圖像處理和計算機技術(shù)等，最大限度的提取各自信道中的有利信息，最后綜合成高質(zhì)量的圖像，以提高圖像信息的利用率、改善計算機解譯度和可靠性、提升原始圖像的空間分辨率和光譜分辨率，利于監(jiān)測。
[0003]多聚焦圖像融合算法是最常用的圖像融合算法之一，傳統(tǒng)的多聚焦圖像融合算法主要分為兩種。一種是基于空間領(lǐng)域的方法，該方法通過從眾多圖像中選擇較為清晰的像素點或區(qū)域進行融合；另一種則是在頻域中進行圖像融合。這兩種方法中，最為簡單的算法為基于空間領(lǐng)域的融合算法，但是這類方法產(chǎn)生的不良后果比較多，例如對比度不明顯、塊狀效應(yīng)等等。另一種方法是在頻域中進行圖像融合，該方法主要通過多尺度變換見空域變?yōu)轭l域，并通過相應(yīng)的融合規(guī)則，最后通過擬多尺度變換重構(gòu)圖像，這個重構(gòu)圖像即為融合圖像?；诙喑叨茸儞Q的圖像融合算法越來越受到廣泛關(guān)注，研究表明該類方法的融合效果更接近人類視覺感知。常用的多尺度變換包括拉普拉斯金字塔、曲波、輪廓波、非采樣輪廓波變換等，通過大量的實驗結(jié)果表明，基于多尺度變換的圖像融合效果較基于空間的圖像融合算法的效果更好，這是因為通過多尺度變換可將圖像分為系數(shù)子帶，而不是空間區(qū)域中的像素或塊，能夠較好地保留圖像的細節(jié)。
[0004]基于多尺度圖像融合算法需要考慮兩種問題，其一是如何選擇多尺度變換算法，其二是系數(shù)子帶的融合規(guī)則。大量的研究結(jié)果表明:不同的多尺度變換和融合規(guī)則直接影響到多聚焦圖像融合的效果。
[0005]文獻[I]表明，在多尺度分析中，輪廓波變換(CT)能夠最優(yōu)化的表示圖像輪廓，并且已廣泛應(yīng)用到圖像融合中，但是文獻[2]研究表明輪廓波變換不具備平移不變性，這將導(dǎo)致偽吉布斯現(xiàn)象出現(xiàn)。為了彌補輪廓波的不足，文獻[2]提出了非采樣的輪廓波變換(NSCT)，文獻[3]將NSCT成功應(yīng)用到圖像融合中，并取得了較好的效果。但文獻[3]中以平均值和絕對值最大為融合規(guī)則，導(dǎo)致了圖像融合后的對比度不明顯，融合后的圖像比較模糊。
[0006]相關(guān)參考文獻:
[0007][1]L.Yang, B.L.Guo, ff.Li, Multimodality medical image fusion based onmultiscale geometric analysis of contourlet transform, Neurocomputing72 (I)(2008)203-2I1
[0008][2]A.L.da Cunha, J.P.Zhou, Μ.N.Do,.The non-subsampled contourlettransform:theory, design, and applications, IEEE Transaction on ImageProcessingl5(12)(2006)3089-3101.[0009][3]Q.Zhang, B.L.Guo, Mult1-focus image fusion using the non-subsampledcontourlet transform, Signal Processing89(2009) 1334-1346.[0010][4] M.Li, ff.Cai , Z.Tan, A region-based mult1-sensor image fusionscheme using pulse-coupled neural network, Patter Recognition Letters 27 (16)(2006)1948-1956.[0011][5]V Aslantas, R.Kurban,A comparison of criterion functions for fusionof mult1-focus noisy images, Optics Communications 282(16) (2009)3231-3242.
【發(fā)明內(nèi)容】

[0012]本發(fā)明的目的是設(shè)計一種對比度明顯的圖像融合算法。
[0013]為了實現(xiàn)上述目的，本發(fā)明提出了一種基于NSCT的多聚焦圖像融合算法。該算法的具體步驟如下:
[0014]步驟1:初始融合圖像的獲得
[0015]步驟1.1:圖像預(yù)處理
[0016]考慮到圖像受到噪聲等影響，需要對多聚焦圖像進行預(yù)處理，本發(fā)明采用均值濾波器對圖像A和B進行濾波處理，得到濾波后的圖像A'和B'。
[0017]步驟1.2:圖像分解
[0018]應(yīng)用NSCT變換將圖像A'和圖像B'進行分解，得到兩圖像分解后的低頻系數(shù)為//'和"'，高頻系數(shù)為和，其中I為尺度分解數(shù)，k為方向分解級數(shù)。
[0019]步驟1.3:圖像重構(gòu)
[0020]采用均值法和絕對值最大法分別作為低頻子帶和高頻方向子帶的融合規(guī)則，具體見公式⑴和公式(2)。
【權(quán)利要求】
1.一種基于NSCT的多聚焦圖像融合算法，包括如下過程: 步驟1:初始融合圖像的獲得 1)采用均值濾波器對兩幅多聚焦圖像A和B進行濾波處理，得到濾波后的多聚焦圖像，分別記為A,和B,； 2)應(yīng)用NSCT變換將圖像A'和圖像B'進行分解，得到兩圖像分解后的低頻系數(shù)為/廣’和/,β’，高頻系數(shù)為/=和/&，其中I為尺度分解數(shù)，k為方向分解級數(shù)； 3)采用均值法和絕對值最大法分別作為低頻子帶和高頻方向子帶的融合規(guī)則，具體見公式⑴和公式(2);
【文檔編號】G06T5/50GK103632353SQ201210305603
【公開日】2014年3月12日 申請日期:2012年8月24日 優(yōu)先權(quán)日:2012年8月24日
【發(fā)明者】但春林, 封長林 申請人:西安元朔科技有限公司